基于极速学习机和最近邻的回归推荐算法

陈爱霞，李宁

(1.河北大学 数学与信息科学学院，河北 保定 071002；2.中国科学院 信息工程研究所，北京 100093)

基于极速学习机和最近邻的回归推荐算法

陈爱霞1，李宁2

(1.河北大学 数学与信息科学学院，河北 保定 071002；2.中国科学院 信息工程研究所，北京 100093)

提出了一种基于极速学习机和最近邻的协同过滤回归推荐算法.该算法首先采用k最近邻法对评分矩阵的缺失值进行填充，然后将极速学习机作为回归器为用户产生推荐.在推荐领域中的标杆数据集上，将该算法与常用推荐算法- LRCF算法进行了比较，验证了该算法的有效性.

k最近邻；极速学习机；推荐系统

随着信息技术和互联网的飞快发展，信息量海量增长，使得用户在面对大量信息时无法从中获得对自己真正有用的那些信息.此时，推荐系统[1]应运而生.对用户而言，推荐系统不需要用户提供明确的目标，只需要提供一些建议性的条件，推荐系统会根据这些条件，结合相关信息，计算用户的需求，最终给出合适的有用信息.推荐系统现在已经广泛应用于很多领域，尤其在电子商务领域，推荐系统的价值更为突出.目前，几乎所有的大型电子商务网站都有自己的推荐系统，如亚马逊、淘宝、京东等.与此同时，推荐系统在理论方面也取得了丰硕的成果，推荐系统主要包含基于协同过滤的推荐系统[2]和基于内容的推荐系统[3]2大类.协同过滤推荐是目前应用最广泛和最成功的推荐系统[4].协同过滤推荐算法中……